Ricerca agentica

TL;DR — La ricerca agentica è un IA che svolge l intero lavoro di ricerca per qualcuno, non si limita a rispondere a una domanda. Invece di una risposta rapida, esegue decine di ricerche, legge le pagine reali e torna con una risposta redatta — a volte dopo diversi minuti. Pensa a ChatGPT che ti dà una risposta veloce rispetto a ChatGPT Deep Research che scompare per dieci minuti e ritorna con un report. La cosa pratica da sapere: alcuni di questi agenti navigano con un browser Chrome reale, quindi robots.txt non può fermarli.

I tre livelli della ricerca

“La ricerca agentica” è un pattern di prodotto in evoluzione, non una singola architettura di ranking standardizzata. Evidence for this claim Deep-research products can perform multi-step web research and synthesize cited results. Scope: Documented product capabilities, not a universal definition or ranking architecture for agentic search. Confidence: high · Verified: 2026-07-14 OpenAI: Introducing deep research I sistemi documentati possono navigare, sintetizzare e compiere azioni in più passaggi, ma il comportamento varia in base al prodotto e alla release. Evidence for this claim The term agentic search covers an evolving set of vendor implementations whose tools and behavior can differ. Scope: Editorial synthesis from documented product behavior; implementations and releases may vary. Confidence: medium · Verified: 2026-07-14 OpenAI: Introducing deep research

È utile pensare alla ricerca come a tre livelli cresciuti uno sopra l altro:

1. Ricerca tradizionale. Scrivi una query, Google restituisce un elenco di link, e sei tu a leggerli e decidere. Il lavoro lo fa la persona.
2. Ricerca IA. Fai una domanda, l IA recupera alcune fonti e scrive una risposta — un AI Overview, una risposta di ChatGPT, una risposta di Perplexity. L IA legge, tu leggi il suo riepilogo.
3. Ricerca agentica. Dai all IA un obiettivo — “confronta i migliori strumenti di gestione dei progetti per un agenzia di 10 persone e dimmi quale scegliere” — e lei procede da sola. Pianifica il lavoro, esegue molte ricerche, apre e legge pagine reali, cambia approccio in base a ciò che trova e infine ti scrive un report (o compie un azione, come compilare un modulo). Potresti non vedere mai i passaggi intermedi.

Il modo più chiaro per ricordare il rapporto è questo: tutta la ricerca agentica è ricerca IA, ma non tutta la ricerca IA è agentica. La ricerca agentica è il sottoinsieme che va avanti e lavora autonomamente per un certo periodo.

Un esempio concreto

Stesso prodotto, due modalità:

• ChatGPT, risposta normale: fai una domanda e ricevi una risposta in pochi secondi, usando ciò che già “sa” e forse una rapida ricerca sul web. Un solo passaggio.
• ChatGPT Deep Research: fai la stessa domanda, ti dice che ci vorrà un po e passa minuti a cercare, leggere e confrontare decine di fonti prima di redigere una risposta strutturata con citazioni.

La seconda modalità è la ricerca agentica. Anche Gemini Deep Research di Google e Deep Research di Perplexity funzionano allo stesso modo.

Perché dovrebbe interessare a chi fa SEO

Due motivi:

• Questi agenti leggono davvero le tue pagine, in profondità. Un crawler tradizionale scorre molte pagine superficialmente. Un agente potrebbe leggere 5–10 pagine molto attentamente e ricavarne affermazioni specifiche. Essere una di quelle poche pagine è il nuovo obiettivo.
• Non puoi sempre tenerli fuori. Le versioni “crawler di ricerca” (come quella di Gemini) si identificano e seguono il tuo robots.txt. Ma le versioni con browser agentico — ChatGPT Agent, Project Mariner di Google — aprono un browser Chrome reale nel cloud e si comportano esattamente come una persona. Non c è un nome del bot da bloccare, quindi robots.txt non serve a nulla.

Vuoi il quadro completo — tutte le piattaforme, la tabella degli user agent e i segnali di contenuto che aiutano davvero? Passa alla scheda Advanced.

TL;DR — La ricerca agentica è il terzo livello della ricerca (tradizionale → ricerca IA → agentica): un sistema che esegue un ciclo in più passaggi — Plan → Search → Read → Evaluate → re-search → synthesize/act — per diversi minuti, lanciando 20–160+ query per sessione e leggendo il contenuto completo delle pagine, non snapshot in cache. Le piattaforme si dividono in due gruppi ai fini del controllo. I crawler dichiarati (Gemini-Deep-Research, Claude-User) rispettano robots.txt. I browser agentici (ChatGPT Agent, Project Mariner, Copilot Actions) avviano VM Chrome/Edge reali senza uno user agent bot dichiarato — robots.txt non può toccarli; servono controlli lato server o l emergente Web Bot Auth RFC. Il vantaggio: il traffico indirizzato dall IA converte circa il 42% meglio di quello non IA, e il traffico agentico è la fetta a più alta intenzione.

La ricerca agentica è un terzo livello, non un sostituto

Le descrizioni attuali dei vendor supportano ricerca in più passaggi e uso di strumenti, non una sostituzione universale del recupero o del ranking. Evidence for this claim Deep-research products can perform multi-step web research and synthesize cited results. Scope: Documented product capabilities, not a universal definition or ranking architecture for agentic search. Confidence: high · Verified: 2026-07-14 OpenAI: Introducing deep research I diagrammi di pipeline qui presenti sono modelli esplicativi, salvo quando un provider li documenti esplicitamente. Evidence for this claim The term agentic search covers an evolving set of vendor implementations whose tools and behavior can differ. Scope: Editorial synthesis from documented product behavior; implementations and releases may vary. Confidence: medium · Verified: 2026-07-14 OpenAI: Introducing deep research

Il modello mentale a cui torno più spesso è questo:

• La ricerca tradizionale restituisce link; la persona legge e decide.
• La ricerca IA (l obiettivo di GEO/AEO — AI Overviews, risposte di ChatGPT, Perplexity) restituisce una risposta sintetizzata dal contesto recuperato.
• La ricerca agentica scompone un obiettivo in sotto-attività, sceglie i propri strumenti, legge pagine complete, itera su ciò che apprende e termina con un report sintetizzato o un azione (un acquisto, una prenotazione, la compilazione di un modulo).

Semrush ha espresso il rapporto meglio di chiunque altro: “All agentic search is AI search. Not all agentic search is the same thing as AI search.” (traduzione) «Tutta la ricerca agentica è ricerca IA. Non tutta la ricerca agentica coincide con la ricerca IA». La versione breve che resta: tutta la ricerca agentica è ricerca IA; non tutta la ricerca IA è agentica. Nulla di tutto questo sostituisce la SEO tradizionale. Autorevolezza, indicizzabilità e dati strutturati restano prerequisiti; l ottimizzazione agentica aggiunge completezza, leggibilità per le macchine e chiarezza delle entità.

Come funzionano davvero i sistemi agentici

La differenza decisiva rispetto a RAG o a una singola chiamata di recupero è che il recupero avviene durante il ragionamento, in un ciclo:

Firecrawl lo descrive come un metodo in cui l agente “decides when to search, formulates the query from context, reads actual page content from each result, and evaluates what it found before deciding whether to synthesize or search again.” (traduzione) «decide quando cercare, formula la query dal contesto, legge il contenuto reale di ogni pagina risultato e valuta ciò che ha trovato prima di decidere se sintetizzare o cercare di nuovo». Le conseguenze pratiche:

• Lettura di pagine in tempo reale, non riepiloghi preindicizzati. Gli agenti recuperano e leggono contenuti live completi. Freschezza e disponibilità reale contano più che nella ricerca tradizionale; non lavorano su uno snapshot in cache.
• Riformulazione iterativa delle query. Se i risultati sono obsoleti o fuori target, l agente riscrive la query (per esempio aggiungendo “2026” quando trova documentazione deprecata) e riprova.
• Catena di strumenti. Una singola attività può combinare ricerca web, esecuzione di codice, lettura di file e invio di moduli.

Quante ricerche per sessione

Questa non è una query. Volume per piattaforma:

La ricerca SAGE di Google ha rilevato che gli agenti IA compiono in media 4,9 passaggi per query — ricercando, confrontando e valutando più fonti prima di fornire un risultato.

Le principali piattaforme agentiche

OpenAI — Deep Research + ChatGPT Agent. Deep Research (o3-deep-research / o4-mini-deep-research) è progettato per “find, analyze, and synthesize hundreds of sources to create a comprehensive report at the level of a research analyst,” (traduzione) «trovare, analizzare e sintetizzare centinaia di fonti per creare un report completo al livello di un analista di ricerca»; OpenAI avverte che le richieste “can take a long time.” (traduzione) «possono richiedere molto tempo». ChatGPT Agent è il successore di Operator — un istanza Chromium ospitata nel cloud che naviga il web reale e può eseguire circa 10 attività parallele. I suoi bot di recupero (OAI-SearchBot, ChatGPT-User) sono dichiarati; il browser agentico no.

Google — Gemini Deep Research + Project Mariner. Gemini Deep Research esegue un ciclo esplicito “Plan → Search → Read → Iterate → Output” — (traduzione) «Pianifica → Cerca → Leggi → Itera → Produci»; Google lo descrive come “continuously refin[ing] its analysis, browsing the web by searching and finding interesting pieces of information then starting a new search based on what it’s learned, repeating this process multiple times before generating a comprehensive report.” (traduzione) «raffina continuamente la propria analisi, navigando sul web, cercando e trovando informazioni interessanti, poi avviando una nuova ricerca in base a ciò che ha appreso e ripetendo il processo più volte prima di generare un report completo». Ha uno user agent dichiarato Gemini-Deep-Research e rispetta robots.txt. Project Mariner è l agente di automazione del browser (fino a 10 attività parallele): esegue un impronta Chrome standard da VM cloud senza uno user agent bot dichiarato.

Perplexity — Deep Research / Sonar. Perplexity “performs dozens of searches, reads hundreds of sources, and reasons through the material to autonomously deliver a comprehensive report” (traduzione) «esegue decine di ricerche, legge centinaia di fonti e ragiona sul materiale per fornire autonomamente un report completo» — 20–50 query in 2–4 minuti. Il suo PerplexityBot dichiarato dice di rispettare robots.txt. Nell agosto 2025, Cloudflare ha riferito di aver osservato crawler non dichiarati attribuiti a Perplexity che raggiungevano contenuti nonostante le direttive no-crawl; Perplexity ha contestato il resoconto di Cloudflare. Separatamente, la documentazione di Perplexity dice che Perplexity-User in genere ignora robots.txt perché rappresenta un recupero richiesto dall utente.

Anthropic — ricerca web di Claude + uso del computer. Claude-User (recuperi in tempo reale avviati dall utente) rispetta robots.txt. Quando Claude opera in modalità computer-use guida un browser standard e non emette uno user agent bot dichiarato — lo stesso pattern di browser agentico di Mariner e ChatGPT Agent.

Microsoft — Copilot + Copilot Actions. Il recupero web sottostante di Copilot usa Bingbot, che rispetta robots.txt. Copilot Actions (navigazione agentica) usa uno user agent standard Edge/Chromium senza un segnale bot dichiarato — indistinguibile dalla navigazione umana a livello di user agent.

User agent e il divario di robots.txt

Questa è la parte che confonde più persone, quindi ecco l intero panorama in una tabella:

Le categorie importanti sono queste: i crawler di addestramento e i bot per gli indici di ricerca rispettano robots.txt; i recuperatori attivati dall utente variano (OpenAI ha reso meno chiara la posizione di ChatGPT-User nel dicembre 2025); i browser agentici lo ignorano per progettazione.

Il punto decisivo: i browser agentici non si bloccano con robots.txt

robots.txt è una direttiva per i crawler. I browser agentici — ChatGPT Agent, Project Mariner, Copilot Actions, Claude in modalità computer-use — avviano istanze reali di Chrome o Edge dentro VM cloud. Si presentano come browser standard, non dichiarano un identità bot e vengono trattati come proxy del browser, non come crawler. Quindi:

• Puoi bloccare i bot di addestramento (GPTBot, ClaudeBot) e i bot degli indici di ricerca (OAI-SearchBot, Claude-SearchBot) in robots.txt.
• Non puoi bloccare lì i browser agentici. Semplicemente non lo leggono.

Le uniche misure efficaci contro il livello dei browser agentici sono i controlli lato server (regole per intervalli IP, rate limiting, gestione dei bot all edge) e l emergente Web Bot Auth RFC — verifica crittografica degli agenti. ChatGPT Agent è già un segnale iniziale: invia una firma ed25519 Signature-Agent: "https://chatgpt.com" per HTTP Message Signature, che è l unico identificatore lato server affidabile (nelle analytics normali appare come “direct/(none)” durante una visita diretta oppure come “Bing/organic” quando ti ha trovato tramite la ricerca Bing).

Una conseguenza da dire chiaramente: bloccare GPTBot non impedisce a ChatGPT di leggere le tue pagine in tempo reale. GPTBot è il crawler di addestramento. Deep Research e ChatGPT Agent raggiungono i tuoi contenuti attraverso meccanismi completamente diversi.

Quali segnali di contenuto contano per l IA agentica

Gli agenti leggono pagine complete e le valutano per completezza, citabilità, coerenza e leggibilità per le macchine. Dalla ricerca, ecco che cosa aiuta davvero:

• Pagine complete su un singolo argomento. Gli agenti vanno in profondità ma su un ambito ristretto — possono leggere 5–10 pagine attentamente invece di scorrerne centinaia. Una pagina che risponde pienamente a un tema (e alle sotto-domande che solleva) è molto più utile di cinque pagine sottili. Come dice ALM Corp: “Structure gives agents stable extraction points — a page with clear headings, labeled sections and consistent formatting is easier to quote accurately.” (traduzione) «La struttura offre agli agenti punti di estrazione stabili: una pagina con titoli chiari, sezioni etichettate e formattazione coerente è più facile da citare accuratamente».
• Contenuti autorevoli, leggibili dalle macchine e con citazioni. Gli agenti fanno riferimento incrociato a fonti terze e basi di conoscenza, quindi le citazioni esterne aiutano a superare la soglia di fiducia. È coerente con ciò che ho trovato per AI Overviews: le menzioni su pagine con molti link correlano a ~0,70 (Spearman) con la visibilità IA — il segnale singolo più forte di quello studio, e mi aspetto che la ricerca agentica si appoggi allo stesso pattern.
• Dati strutturati. JSON-LD non è obbligatorio per la citazione, ma migliora l accuratezza dell estrazione — GPT-4 è passato dal 16% al 54% di risposte corrette quando il contenuto includeva dati strutturati in un test citato.
• Velocità. I dati BrightEdge mostrano che gli agenti di ChatGPT abbandonano subito i siti lenti — hanno meno pazienza di Googlebot, estendendo la disciplina dei Core Web Vitals al contesto agentico. Il contenuto deve anche essere raggiungibile senza eseguire JavaScript.
• Chiarezza di ambito e compromessi. Le pagine che dichiarano per chi è adatta una soluzione, per chi non lo è e quali compromessi comporta sono più utili a un agente che costruisce una shortlist rispetto a contenuti che cercano di piacere a tutti.

Perché vale la pena: qualità della conversione

I numeri del traffico sono piccoli, ma la qualità non lo è. A marzo 2026, il traffico indirizzato dall IA converte circa il 42% meglio del traffico non IA, e il traffico dalla ricerca IA converte circa 14,2% contro il 2,8% di Google. Il traffico agentico è un sottoinsieme del traffico IA — e quasi certamente la fetta con la più alta intenzione, perché un agente porta l utente sulla tua pagina solo dopo averla valutata rispetto alle alternative per suo conto. Essere una delle poche pagine che un agente legge, e quella che raccomanda, ha un valore sproporzionato.

Come pensarci: SEO → GEO → ASO

Considera l ottimizzazione agentica come un terzo livello sopra i primi due, non come un sostituto. Le fondamenta non cambiano: autorevolezza, indicizzabilità, dati strutturati. La novità aggiunta sopra è costituita da risorse complete su un singolo tema, leggibilità rigorosa per le macchine, chiarezza delle entità, citazioni esterne e dalla consapevolezza che robots.txt non è più una storia completa di controllo degli accessi. Vedi la scheda Checklists per il passaggio concreto.

Riepilogo IA

Una sintesi della versione Advanced:

• La ricerca agentica è il terzo livello della ricerca: tradizionale (link) → ricerca IA (una risposta) → agentica (ricerca/azione autonoma in più passaggi). “All agentic search is AI search. Not all agentic search is agentic.” (traduzione) «Tutta la ricerca agentica è ricerca IA. Non tutta la ricerca IA è agentica».
• Esegue un ciclo, non una query: Plan → Search → Read → Evaluate → re-search → synthesize/act, per diversi minuti. Gemini Deep Research lancia ~80–160 query per sessione; Perplexity 20–50; SAGE di Google ha rilevato ~4,9 passaggi per query.
• Due gruppi di controllo. I crawler dichiarati (Gemini-Deep-Research, Claude-User) rispettano robots.txt. I browser agentici (ChatGPT Agent, Project Mariner, Copilot Actions) eseguono VM Chrome/Edge reali senza uno user agent bot dichiarato — robots.txt non può bloccarli.
• Il punto decisivo: solo controlli lato server o l emergente Web Bot Auth RFC fermano i browser agentici. L header Signature-Agent ed25519 di ChatGPT Agent è l unico ID lato server affidabile. Bloccare GPTBot ≠ impedire a ChatGPT di leggerti.
• Cloudflare e Perplexity contestano ciò che è accaduto. Cloudflare ha riferito che crawler non dichiarati attribuiti a Perplexity hanno aggirato direttive no-crawl; Perplexity ha negato l accusa. Considera l episodio una controversia riportata, non un fatto definitivo.
• Che cosa aiuta: pagine complete su un singolo tema, citazioni esterne (~0,70 Spearman con la visibilità IA), dati strutturati, velocità (gli agenti abbandonano i siti lenti), chiarezza di ambito.
• Perché farlo: il traffico indirizzato dall IA converte ~42% meglio; la ricerca IA 14,2% contro il 2,8% di Google. La ricerca agentica è il sottoinsieme a più alta intenzione.

Documentazione ufficiale

Documentazione primaria dei produttori delle piattaforme.

OpenAI

• Guida Deep Research — i modelli o3-deep-research / o4-mini-deep-research, esecuzione in background e accesso agli strumenti.
• Bot e crawler OpenAI — stringhe complete degli user agent per GPTBot, OAI-SearchBot e ChatGPT-User.
• Presentazione di ChatGPT Agent — il browser agentico successore di Operator.

Google

• Documentazione API di Gemini Deep Research — conteggio delle query, limiti di durata ed esecuzione in background.
• Prova Deep Research in Gemini — la descrizione in linguaggio semplice del ciclo di ricerca di Google.

Anthropic

• Strumento computer-use di Claude — come Claude guida un browser/desktop in modalità agentica.

Perplexity

• Sonar Deep Research — il modello API alla base di Deep Research.
• Crawler di Perplexity — PerplexityBot e Perplexity-User e il comportamento dichiarato rispetto a robots.txt.

Microsoft

• Bing Webmaster Tools — Bingbot sostiene il recupero web di Copilot; il controllo del crawling vive qui.

Citazioni dalla fonte

Dichiarazioni ufficiali dei produttori delle piattaforme e dei ricercatori che ne documentano il comportamento.

Google — il ciclo di Gemini Deep Research

• “Over the course of a few minutes, Gemini continuously refines its analysis, browsing the web by searching and finding interesting pieces of information then starting a new search based on what it’s learned, repeating this process multiple times before generating a comprehensive report.” (traduzione) «Nel corso di alcuni minuti, Gemini perfeziona continuamente la propria analisi, navigando sul web, cercando e trovando informazioni interessanti, poi avviando una nuova ricerca sulla base di ciò che ha imparato e ripetendo il processo più volte prima di generare un report completo». — Google Blog. Fonte

OpenAI — a che cosa serve Deep Research

• I modelli Deep Research “find, analyze, and synthesize hundreds of sources to create a comprehensive report at the level of a research analyst.” (traduzione) «trovano, analizzano e sintetizzano centinaia di fonti per creare un report completo al livello di un analista di ricerca». [unverified] — parafrasi del posizionamento di OpenAI su Deep Research; confermare sulla documentazione live. Fonte

Perplexity — come funziona Deep Research

• “Perplexity performs dozens of searches, reads hundreds of sources, and reasons through the material to autonomously deliver a comprehensive report.” (traduzione) «Perplexity esegue decine di ricerche, legge centinaia di fonti e ragiona sul materiale per fornire autonomamente un report completo». — Perplexity Blog. Fonte

Cloudflare — i crawler furtivi di Perplexity

• “Both their declared and undeclared crawlers were attempting to access the content for scraping contrary to the web crawling norms as outlined in RFC 9309.” (traduzione) «Sia i crawler dichiarati sia quelli non dichiarati tentavano di accedere al contenuto per fare scraping, in contrasto con le norme di crawling web delineate nella RFC 9309». — Cloudflare. Fonte

Firecrawl — definire la ricerca agentica

• La ricerca agentica è un metodo in cui l agente “decides when to search, formulates the query from context, reads actual page content from each result, and evaluates what it found before deciding whether to synthesize or search again.” (traduzione) «decide quando cercare, formula la query dal contesto, legge il contenuto reale di ogni risultato e valuta ciò che ha trovato prima di decidere se sintetizzare o cercare di nuovo». — Firecrawl Blog. Fonte

ALM Corp — che cosa premiano gli agenti

• “Structure gives agents stable extraction points — a page with clear headings, labeled sections and consistent formatting is easier to quote accurately.” (traduzione) «La struttura offre agli agenti punti di estrazione stabili: una pagina con titoli chiari, sezioni etichettate e formattazione coerente è più facile da citare accuratamente». — ALM Corp. Fonte

Semrush — la distinzione tra livelli

• “All agentic search is AI search. Not all AI search is agentic.” [unverified] (traduzione) «Tutta la ricerca agentica è ricerca IA. Non tutta la ricerca IA è agentica». — parafrasi dell impostazione di Semrush; confermare la formulazione esatta nell articolo live. Fonte

Checklist per l ottimizzazione della ricerca agentica

Un passaggio per assicurarti che gli agenti possano trovarti, leggerti, fidarsi di te e citarti — e che tu possa accorgerti quando lo fanno:

• Pagine complete su un singolo tema. Ogni tema importante ha una pagina che risponde pienamente anche alle sotto-domande che solleva, invece di diverse pagine sottili. Gli agenti leggono in profondità, non in ampiezza.
• Fonti citate e autorevolezza esterna. Le affermazioni sono attribuibili; sei menzionato su pagine terze autorevoli e con molti link (il segnale di visibilità IA più forte che ho misurato).
• Dati strutturati presenti. JSON-LD (Organization, FAQPage, Product ecc.) per aiutare gli agenti a estrarre i fatti con precisione senza dover indovinare.
• Chiarezza di ambito e compromessi. Le pagine dichiarano per chi è adatta una soluzione, per chi non lo è e quali compromessi comporta — rendendo più semplice per un agente costruire una shortlist.
• Raggiungibile senza JavaScript e veloce. Il contenuto principale è nell HTML grezzo; le pagine caricano rapidamente (gli agenti abbandonano i siti lenti più di Googlebot).
• Controlli di accesso lato server, non solo robots.txt. Se devi limitare l accesso, usa regole per intervalli IP / gestione dei bot all edge: i browser agentici ignorano robots.txt.
• robots.txt impostato correttamente per i bot dichiarati. Decidi tra addestramento (GPTBot, ClaudeBot), recupero (OAI-SearchBot, Claude-SearchBot) e ricerca approfondita (Gemini-Deep-Research) in base alla tua strategia.
• Monitora i crawler agentici nei log del server. Osserva gli UA dichiarati di ricerca approfondita e l header Signature-Agent (l unico ID affidabile di ChatGPT Agent); ricorda che le visite dirette degli agenti possono apparire in analytics come “direct/(none)”.

Riferimento agli user agent dell IA agentica — cheat sheet

La regola in una riga: i crawler e i bot di ricerca dichiarati rispettano robots.txt; i browser agentici (VM Chrome/Edge reali) no — bloccali lato server o tramite Web Bot Auth.

Errori della ricerca agentica

Presumere che robots.txt controlli ogni agente

Alcuni sistemi agentici navigano tramite infrastrutture browser ordinarie invece di un identità crawler dichiarata. Usa le regole robots per i bot che le rispettano, ma non presentare il file come un confine di controllo degli accessi.

Progettare solo per risposte in un unico passaggio

Gli agenti possono confrontare, tornare sui propri passi, filtrare e completare attività in più passaggi. Mantieni navigazione, moduli, stati, prezzi, policy e relazioni tra entità abbastanza espliciti da resistere a un flusso più lungo.

Nascondere fatti importanti dietro interazioni fragili

Un agente non può usare in modo affidabile informazioni che compaiono solo dopo un gesto inaccessibile, uno stato di canvas o un azione client non documentata. Conserva HTML semantico, URL stabili, etichette chiare ed esiti verificabili dal server.

Il framework Scopri, Comprendi, Agisci, Verifica

1. Scopri: le pagine e le capacità importanti hanno link stabili o punti di ingresso documentati e leggibili dalle macchine.
2. Comprendi: entità, vincoli, prezzi, policy e passaggi successivi sono dichiarati chiaramente in contenuti semantici.
3. Agisci: moduli e flussi hanno etichette esplicite, controlli prevedibili e stati di errore recuperabili.
4. Verifica: un azione completata produce una conferma duratura che una persona o un agente può controllare prima di proseguire.

Usa il framework per rivedere l intero percorso di un attività. Una pagina può essere facile da recuperare e tuttavia fallire quando un agente prova ad agire o a confermare il risultato.

Strumenti per esperienze di ricerca accessibili agli agenti

• SEO MCP Server — esamina un esempio delimitato e in sola lettura di esposizione di contenuti SEO pubblicati e capacità di verifica direttamente agli agenti.
• Tester robots.txt — verifica le regole dei crawler dichiarati e individua la direttiva vincente, ricordando che gli agenti basati su browser ordinari potrebbero non presentare un identità crawler controllabile.
• Strumenti per sviluppatori del browser — esamina nomi semantici, ordine del focus, chiamate di rete, stati di errore e segnali di completamento duraturi durante l attività.
• Log del server — distingui bot documentati, browser ordinari e client sconosciuti senza sostenere che ogni richiesta identifichi un agente o il suo scopo.

Mettiti alla prova: ricerca agentica

Risorse che meritano il tuo tempo

Documentazione ufficiale delle piattaforme

• OpenAI Deep Research e bot OpenAI.
• API Google Gemini Deep Research e il post di lancio.
• Claude computer use di Anthropic.
• Perplexity Sonar Deep Research e crawler di Perplexity.

I miei articoli correlati

• Quello che sappiamo davvero sull ottimizzazione per la ricerca LLM — lo studio di correlazione alla base del risultato ~0,70 Spearman per le menzioni su pagine autorevoli con molti link.
• I nuovi crawler web: i bot IA stanno raggiungendo quelli dei motori di ricerca — il panorama in evoluzione dei crawler.

Dal resto del settore

• Cloudflare: Perplexity usa crawler furtivi e non dichiarati — l accusa e il resoconto tecnico di Cloudflare; Perplexity l ha negata.
• Simon Willison: lo user agent dell agente ChatGPT — il dettaglio di Signature-Agent / ed25519.
• Firecrawl: che cos è la ricerca agentica — l anatomia tecnica del ciclo.
• Semrush: ricerca agentica e ALM Corp: spiegazione del web agentico — il quadro strategico.
• No Hacks: panorama degli user agent IA nel 2026 e elenco degli user agent dei crawler IA di SEJ.
• BrightEdge: l attività dell IA agentica raddoppia — adatta ora la strategia SEO — dati sul raddoppio dell attività dell agente ChatGPT tra luglio e agosto 2025 e sull abbandono più rapido dei siti lenti rispetto a Googlebot.
• Seer Interactive: come riconoscere l arrivo dell agente Operator di OpenAI sul sito — guida pratica per identificare e misurare le visite dei browser agentici nelle analytics.
• Cloudflare: da Googlebot a GPTBot — chi esegue la scansione del sito nel 2025 — dati di Cloudflare sui volumi di crawling dei bot IA dichiarati rispetto ai crawler di ricerca tradizionali.
• Navoto: ottimizzazione della ricerca agentica — guida alla visibilità nella ricerca IA nel 2026 — framework ASO pratico che copre il livello SEO → GEO → ASO e i segnali di contenuto.

Statistiche degne di essere citate

• Il traffico indirizzato dall IA converte circa il 42% meglio del traffico non IA (marzo 2026) — il motivo principale per cui vale la pena lavorare sulla visibilità agentica. Fonte
• La ricerca IA converte circa il 14,2% contro circa il 2,8% di Google — il traffico agentico è il sottoinsieme a più alta intenzione di quel traffico IA. Fonte
• Gemini Deep Research: ~80 query per sessione (standard), ~160 (Max) — la scala di una singola esecuzione di ricerca agentica. Fonte
• Perplexity Deep Research: 20–50 query per sessione, 2–4 minuti — un esecuzione più leggera ma comunque in più passaggi. Fonte
• Correlazione Spearman ~0,70 tra menzioni su pagine con molti link e visibilità IA (Google AI Overviews) — un mio risultato, e probabilmente anche la forma dei segnali di fiducia della ricerca agentica. Fonte
• Il traffico IA agentico è cresciuto del 1300% nei primi 8 mesi del 2025, mentre l attività dell agente ChatGPT è raddoppiata tra luglio e agosto 2025 — la fetta in più rapida crescita del traffico indirizzato dall IA. Fonte

Cronologia modifiche